基于Vine-Copula-BiLSTM的风电机组齿轮箱状态评估

为了科学合理地反映风电机组齿轮箱运行状态,提出一种基于Vine-Copula模型和双向长短期记忆（BiLSTM）算法的风电机组齿轮箱健康状态评估模型。首先,通过Vine-Copula模型分析数据采集与监视控制（SCADA）系统中各相关状态参数之间的耦合特性,然后利用BiLSTM算法构建健康状态下的标准残差,用于评估风电机组齿轮箱的健康状况。最后,使用实时数据计算残差值并与健康状态下的标准残差值进行比较,利用马氏距离来度量两者之间的差异,并结合健康指数对风电机组齿轮箱的状态等级划分4个等级（优秀、正常、注意和恶劣）。结果表明：针对某风电场发生故障时不同工况的实际数据进行验证,对于不同工况下风电机组齿轮箱油温超温状态,该模型可提前90和1186 min进行故障预警,实现对风电机组齿轮箱运行健康状态的评估。